将word转化为xml

2019-11-6 15:23| 发布者: zhaojun917| 查看: 619| 评论: 0

摘要: 刚到公司头儿就给我布置了任务,可以将word里的内容读取出来,持久化到数据库中。一开始觉得,用流读一下不就行了吗？后来发现没有这么简单。Word的.doc格式是不公开的，所以Java很难直接支持读.doc文件,网上的提供的信 ...

刚到公司头儿就给我布置了任务,可以将word里的内容读取出来,持久化到数据库中。一开始觉得,用流读一下不就行了吗？后来发现没有这么简单。Word的.doc格式是不公开的，所以Java很难直接支持读.doc文件,网上的提供的信息也不多。有一个通过poi的组件来读取的,但是通过poi来读取excel的内容很方便,读取word实在是不给力了,具体原因apache官网也说了在poi中处理word模块的作者离开apache组织了(http://poi.apache.org/hwpf/index.html)。现在主要是面临三个问题:第一,支持中文;第二,保证word03和word07兼容;第三,对图片表格等格式的内容都能取读出来。请教高人后得知,打开word后可以直接另存为xml的格式,只要能得到xml的格式,就可以通过Dom4j解析得到内容。但是如何通过程序将word转化成xml呢？
   网上查了一下,免费的主要有两种方法:
   1,通过jacob来实现(http://danadler.com/jacob/).jacob是在java与微软的com组件之间的桥梁，通过使用jacob自带的dll动态链接库通过jni的方式实现了在sun java平台上的程序对com调用.但是这种方式未能解决word07转化为Xml的问题,所以只能弃之。
   2,通过jodconveter来实现转化(http://www.artofsolving.com/opensource/jodconverter)。这种方式实现起来比较麻烦,操作有点繁琐,但是能解决全部上述问题。jobconveter团队的才智表示敬佩:通过启动OpenOffice.org的服务端口,实现程序操作opeanoffice实现文件的转换。
   具体的实现方式在http://nopainnogain.iteye.com/blog/819432 此文中已有详细描述.

   另外贴上我的代码:

Java代码  
import java.io.File;  
import java.io.FileInputStream;  
import java.io.FileOutputStream;  
import java.io.InputStream;  
import java.io.OutputStream;  
  
import com.artofsolving.jodconverter.DefaultDocumentFormatRegistry;  
import com.artofsolving.jodconverter.DocumentConverter;  
import com.artofsolving.jodconverter.DocumentFormatRegistry;  
import com.artofsolving.jodconverter.openoffice.connection.OpenOfficeConnection;  
import com.artofsolving.jodconverter.openoffice.connection.SocketOpenOfficeConnection;  
import com.artofsolving.jodconverter.openoffice.converter.OpenOfficeDocumentConverter;  
  
  
public class test {  
  
    /** 
     * @param args 
     */  
    public static void main(String[] args) throws Exception {  
        // TODO Auto-generated method stub  
        test t = new test();  
        //File in = new File("d:\\mytest\\test1.pdf");  
        //File out = new File("d:\\mytest\\test11.html");  
        FileInputStream input = new FileInputStream("d:\\mytest\\test11.pdf");  
        FileOutputStream output = new FileOutputStream("d:\\mytest\\test11.doc");  
  
        t.convert(input, output);  
    }  
      
    public void convert(File input, File output) throws Exception  
  
    {  
  
        OpenOfficeConnection conn = new SocketOpenOfficeConnection("localhost", 8100);  
  
        conn.connect();  
  
        DocumentConverter converter = new OpenOfficeDocumentConverter(conn);  
  
        converter.convert(input, output);  
  
        conn.disconnect();  
  
    }  
      
    public void convert(InputStream input, OutputStream output) throws Exception  
  
    {  
  
        OpenOfficeConnection conn = new SocketOpenOfficeConnection("localhost", 8100);  
  
        conn.connect();  
  
        DocumentConverter converter = new OpenOfficeDocumentConverter(conn);  
  
        DocumentFormatRegistry registry = new DefaultDocumentFormatRegistry();  
  
        converter.convert(input, registry.getFormatByFileExtension("pdf"), output, registry.getFormatByFileExtension("doc"));  
  
        conn.disconnect();  
  
    }  
}  

附件里有jodconverter的zip包,可以在这里直接下了,openoffice的安装文件就不贴了,到官网下就行(http://www.openoffice.org/).

收藏分享邀请

上一篇：[JODConverter]word转pdf心得分享下一篇：SpringBoot的配置文件

账号		自动登录	找回密码
密码			立即注册

将word转化为xml

相关分类

站长推荐 /6